[发明专利]一种基于机器学习算法平台的风电机组故障预测系统

说明书

一种基于机器学习算法平台的风电机组故障预测系统。该系统包括数据采集模块，数据存储及处理模块，机器学习算法平台，故障诊断、分析及预测模块。本发明解决风电场风电机组故障发生的不可预测性，利用机器学习算法平台实现风电机组的故障诊断、故障分析、故障预测，从而实现故障的提前预测，把重大障消除在萌芽状态，从而有效减少风电机组故障的发生频率和程度。

技术领域

本发明涉及互联网大数据技术及能源风力发电领域，具体涉及一种基于机器学习算法平台的风电机组故障预测系统。

背景技术

由于风电场所处环境恶劣及风电机组负荷不稳定，导致对风电机组的安全性、经济性都产生了极大影响。传统风电机组故障与告警靠工作经验的积累诊断判断排查，设备检修优先级识别率低，往往浪费了故障处理的最有效时间，错过了设备检修的最佳时间，造成故障发生率高；同时每天上千条的重复无用的故障告警，导致真实的设备缺陷未能及时发现；没有针对性的检修计划编排、投入人力物力成本，造成资产浪费。

目前大部分故障预测系统利用的是例如决策树、线性方程等科学计算的方式，科学计算会使用历史数据来拟合这些方程式，但是科学计算也有一定的弊端和局限性，主要存在两个问题：1）解决复杂问题的能力有限，只能拟合一些简单的数据，遇到特别数据和业务情况会进行舍弃；2）结果不够精确，对于一些决策类的问题，经常会由于样本量少等原因产出偏颇的解果。

发明内容

本发明的目的是针对目前风电机组故障预测存在的不足之处，提出一种基于机器学习算法平台的风电机组故障预测系统，实现风电机组故障的精准预测。

本发明总体构思在于在故障预测系统中引入了机器学习算法平台，机器学习是专门研究计算机怎样模拟或实现人类学习行为，以获取新的知识或者技能，可以重新组织已有的知识来不断改善自身性能的一种方法，机器学习算法平台具备了解决复杂问题的能力及能够实现千机千面，它可以通过不断的迭代，给出综合评判，可以进行海量数据与特征维度的计算，能够根据每一台风电机组的特性给出故障诊断、故障预测的具体化的建议。

本发明的技术方案是这样的：

一种基于机器学习算法平台的风电机组故障预测系统。该系统包括数据采集模块，数据存储及处理模块，机器学习算法平台，故障诊断、分析及预测模块。各部分的功能如下：

（1）数据采集模块：数据采集模块采集风电机组SCADA运行数据、机组大部件传感器监测数据、OA系统管理数据、互联网数据、天气数据、专家知识库数据等作为数据来源。

（2）数据存储及处理模块：数据存储及处理主要采用 Hadoop 云计算平台，利用HDFS 高容错率和吞吐量，可以很好满足海量，多样化数据低成本的存储要求，适合 Storm等基于流数据访问处理模式；并根据不同的计算需求分别运用 Storm 流计算，Spark 内存计算和 MR 批计算。

（3）机器学习算法平台：在数据计算的基础上提取新的经验类、自学习类故障知识，存入专家知识库。使用各种数据挖掘算法，根据挖掘出来的知识，结合专家知识库，对风电机组设备进行在线故障诊断和报警，并提取故障特征，不断完善或扩展各类故障诊断、报警算法。

（4）故障诊断、分析及预测模块：选取GBDT（梯度迭代决策树）算法和LSTM（长短期记忆网络）算法进行模型训练，输出训练好的机器学习模型用于诊断、分析及预测计算。

故障诊断、预测实现包括了如下步骤：

（1）数据挖掘。